我从事互联网行业，编程知识肯定得掌握一些。大学学的是土木，那时候学过 C++，不过已经过去三年了，所以还是想从头开始。这次选了泛用性最广的 Python。我知道 AI 时代有 AI 时代的新学法，但之前没试过，心里没底，最后还是买了传统的编程书来学。这个视频，就分享一下我的感悟。
温馨提示，这是我的学习报告系列视频，只分享最真实的学习感受和学习经验，不是教程，请勿奉为圭臬。
一、很多人说想学编程，其实想学的是软件工程
“学编程”这个词本身非常模糊。很多人说自己想学编程，但他们想学的可能并不是语法、数据结构还有算法，而是“怎么做出一个软件”“怎么开发一个网站”“怎么做一个 App”等等。
这里面至少可以分成几个层级。
第一层是基础语法，比如变量、循环、条件判断、函数、类、模块、文件读写、异常处理等等。
第二层是编程思维，比如问题拆解、OOP 的思想、算法背后的数学思维等等。
第三层是库与生态，比如数据分析用 pandas，绘图用 matplotlib，爬虫用 requests，后端用 FastAPI 或 Django，前端用 React 或 Vue。
第四层是软件工程，比如项目结构、版本管理、测试、部署、接口设计、数据库设计、协作开发、权限系统、异常处理、性能优化。
第五层是产品与业务，比如用户是谁、需求是否真实、功能是否必要、成本能不能接受、系统能否长期维护、项目是否具备商业价值。
很多初学者真正想学的其实是后面几层，尤其是软件工程和产品开发，却卡在第一层太久。花大量时间背语法、背函数、刷教程、做笔记，以为把语言学完就完事了——这肯定不对。
基础语法的学习应该越快越好。完全零基础可以稍微多花点时间，但如果你已经学过其他编程语言，就不该在基础语法上耗太久，因为这些基本结构是可迁移的。像我，因为有 C++ 的底子，这次基础语法部分大概花了 6 天，每天 1 到 2 小时。学完这些，就得赶紧去做项目了。
有人可能会说，还有数据结构和算法要学啊。确实，这些东西决定你的上限。但前期学习主要是保下限，而保下限所需要的那点数据结构与算法知识，靠 AI 已经足够了。
另外，学习过程中我还有一个感悟：Python 的库特别多，正因为太多，不可能也没必要一个个学完。尤其在 AI 编程时代，库、函数、参数、最佳实践都在不断变化。如果把学习重点放在背函数和参数上，永远追不上变化。
比知道“怎么实现”更重要的，是知道“什么是最佳实现”。
就比如那本编程书后面的“外星人入侵”小游戏，我实在做不下去。明明有 Unity 这种成熟的游戏引擎，为什么还要用 pygame？同理，Python 里有些看起来挺全能的库，本身并不是最佳实现方案。
所以我的观点是：AI 时代，最重要的是学习“可能性”。
二、AI 改变了编程学习，但没有取消编程学习
AI 编程工具的出现，确实极大改变了学习方式。智能 IDE、Agent、代码补全、自动 debug、命令行 AI 工具，都把实现功能的门槛大幅降低了。
但是，AI 降低的是实现门槛，不是理解门槛。
如果你完全不懂 WebApp，连 tsx 文件是什么都不知道，也不清楚前端组件、路由、后端接口、数据库、部署配置之间是怎么协同的，那即便 AI 生成了代码，你也判断不了问题到底出在哪儿。一个 bug，可能是前端状态管理的问题，可能是接口请求，可能是数据库结构，也可能是依赖版本或部署环境。没有基本的软件结构认知，AI 会给你一堆方案，但你很难看出哪个才是正解。
所以我猜想，AI 时代最好的学习方式，可能是找一个尽可能强的 Agent，比如 Codex 或 CC，让它在本地完整地跑一个项目。你全程跟着，它每生成一个文件，你就读一遍，遇到不懂的立刻问，搞懂了再往下走。当然，这个方法我还没试过，后面会去试试。
总之，你的学习应该尽快过渡到软件工程层面的项目制学习。这里的项目一定不能局限于个人小工具，最好是商业项目，不一定真要上线。因为商业项目会逼你面对很多个人项目遇不到的问题：登录注册、用户权限、数据库设计、接口设计、数据安全、支付、部署、监控、版本迭代、异常处理、性能瓶颈、多人协作、需求变更、成本控制、用户反馈等等。
三、编程不是天然存在的，而是人类为了解决问题发明出来的体系
我认为编程学习中还有一个非常重要的思维：编程以及整个计算机体系，都是人发明出来的。没有什么“天生就应该存在”的东西。每一条语法、每一种数据结构、每一个框架、每一项工程规范，背后一定有它被设计出来的原因。
比如，为什么要有 Git？为什么要有 Docker？为什么要有虚拟环境？……
也就是说，编程中每一个“可能性”的存在，背后都对应着某种需求。如果你能理解这种需求，你就可以把这种需求清晰地传递给 AI。
以上就是这次学习 Python 的一些简单感悟。
